一种考虑交通均衡的综合能源系统优化调度方法与流程

1.本发明属于交通-电网融合运行领域，具体涉及一种考虑交通均衡的综合能源系统优化调度方法。


背景技术：

2.近年来，以风机和光伏为主的可再生能源技术的快速发展，为能源供应提供了新的解决方案。与传统的能源系统相比，综合能源系统能够有效整合包括可再生能源在内的不同能源，在能源生产，传输，分配和消费环节进行耦合转换，可以满足能源需求，提高能源利用效率和运行经济性。目前对综合能源系统优化运行的研究主要集中在灵活调动各种能源形式及蓄能装置，通过实行分时电价和价格补偿引导等手段进行协同调度，提升系统新能源消纳能力和运行经济性。在多区域级综合能源系统中可提出联合需求响应模型，增强多能源互联系统总体需求侧响应能力。大量研究都验证了多能源系统的协同调度在提高系统运行效益方面具有传统调度模型不可比拟的优势。
3.随着电动汽车的渗透率逐渐提高，电动汽车的大规模使用会通过充放电行为影响综合能源系统的负荷需求。早期，对于电动汽车的充电模型大多基于统计数据或假设数据进行建模，无法体现电动汽车出行具有时空特性的特点，忽略了交通网络流量对车辆出行的影响，未能考虑到实际生活中交通网与综合能源系统的相互联系。随着研究的深入，电动汽车充电负荷的空间特性也受到关注，相关文献也考虑了电动汽车的交通属性，利用最短路径算法模拟电动汽车的出行，但忽视了电动汽车在实际交通网中可能出现拥堵的运行情况，没有考虑交通拥堵对电动汽车用户路径选择和充电决策的影响。
4.综上，考虑交通均衡的综合能源系统是未来交通-电网融合运行的关键问题，国内外学者针对电网与天然气网、电动汽车间相互影响进行了大量研究，但对综合能源系统与交通网络融合运行的研究较少，不能准确模拟交通-电网融合运行的特点。


技术实现要素：

5.为了解决上述现有技术存在的缺陷，本发明的目的在于提供一种考虑交通均衡的综合能源系统优化调度方法，通过引入电动汽车v2g技术和需求侧响应策略来实现系统峰谷差的减小；通过交通均衡引导实现交通网络流量的优化，减少道路拥堵；通过电动汽车有序充放电和多能耦合调度实现运营成本的降低，考虑电、气和热、冷负荷耦合设备之间的影响，实现以运营成本最小为目标的综合能源系统优化调度方法。
6.本发明采用的技术方案如下：
7.步骤l：园区综合能源系统根据历史负荷数据，以15分钟-1小时为调度区间，预测系统次日的每个时段负荷数据及发电机出力数据，所述负荷数据及发电机出力数据包括电负荷l
e，t
、气负荷l
g，t
、冷负荷l
c，t
、热负荷l
h，t
和光伏出力p
pv，t
数据，t＝1，2
…
24；
8.步骤2：输入系统需要模拟的电动汽车数量n
ev
，假设电动汽车出行时刻和返回时刻满足正态分布，利用电动汽车出行时刻的概率分布曲线，得到每辆电动汽车的出行时刻t
in
和返回时刻t
out
。
9.步骤3：系统通过马尔科夫出行链与电动汽车转移概率矩阵计算得到电动汽车的出行od矩阵。
10.步骤4：将步骤2、3得到的车辆数据输入系统中，计算每辆车的最短出行路线yr和途中充电负荷
11.步骤5：计算每个时刻的交通均衡计算结果，统计交通均衡时每条道路上的行驶车辆数xa和每个充电站的充电车辆数xc；
12.步骤6：根据交通均衡时的道路流量xa和充电站流量xc，为后续时刻的电动汽车出行提供引导。
13.步骤7：循环计算步骤4-6，得到全天交通道路流量xa和途中充电负荷
14.步骤8：将模拟得到的负荷数据、发电机出力数据和电动汽车数据输入系统，所述负荷数据、发电机出力数据和电动汽车数据包括电负荷l
e，t
、气负荷l
g，t
、冷负荷l
c，t
、热负荷l
h，t
、光伏出力p
pv，t
数据和电动汽车出行路径yr、途中充电负荷出行时刻t
in
、返回时刻t
out
、道路流量xa、充电站流量xc数据，以系统的运营成本最低为目标函数，确定综合能源系统优化调度的约束条件，包括负荷平衡约束、电能传输功率约束、设备爬坡速率约束、需求侧响应约束、储能约束和v2g控制约束：
15.minc
ies
＝c
e，b-c
e，s
+c
gas
+c
dr
(1)
16.其中，c
e，b
为从电网购电的费用；c
e，s
为向电网售电的收益；c
gas
为燃气费用；c
dr
为需求响应补偿费用；c
ies
为综合能源系统的运行成本；
17.购电费用计算公式如下：
[0018][0019]
其中，n为园区内各区域的数量；m为当天的调度时段数；c
e，b，t
为t时段的购电电价；p
e，b，i，t
为t时段的购电功率；δt为调度时长；c
e，b
为购电费用；
[0020]
售电收益计算公式如下：
[0021][0022]
其中，c
e，s，t
为t时段的售电电价；p
e，s，i，t
为t时段的售电功率；δt为调度时长；m为当天的调度时段数；c
e，s
为售电收益。
[0023]
燃气费用计算公式如下：
[0024][0025]
其中，cg为天然气的单位热值价格；p
g，i，t
为气负荷；
[0026]
电力平衡约束如下：
[0027]
p
gridc，t-p
gridd，t
+p
pv，t
+p
gt，t
＝l
e，t
+p
acc，t
+p
ach，t
+p
ec，t
+p
batc，t-p
batd，t
+p
evc，t-p
evd，t
(5)
[0028]
出力上下限约束如下：
[0029]
[0030][0031]
其中，和为t时刻园区综合能源系统与电网交换功率的上下限；和为t时刻园区综合能源系统中设备i出力的上下限；
[0032]
气平衡约束如下：
[0033]
p
g，t
＝l
g，t
+l
gt，t
+l
gb，t
(8)
[0034]
其中，知为t时刻综合能源系统与电网交换功率的上下限；
[0035]
冷负荷平衡约束如下：
[0036]
p
ec，t
+p
acc，t
＝l
c，t
(9)
[0037]
其中，l
c，t
t时刻的冷负荷；p
ec，t
为电制冷机出力功率；p
acc，t
为空调制冷功率；
[0038]
热负荷平衡约束如下：
[0039]
αp
gt，t
+p
gb，t
+p
ach，t
＝l
h，t
(10)
[0040]
其中，α为燃气轮机产出功率的热电比；l
h，t
为t时刻的热负荷；p
gt，t
为燃气轮机产热功率；p
ach，t
为空调制热功率。
[0041]
步骤9：基于综合能源系统的目标函数和约束条件进行计算，得到考虑交通均衡的综合能源系统优化调度方案。
[0042]
进一步的，系统基于不同用户用能负荷特点建立需求侧响应策略模型，通过需求侧响应策略，将电、气和热负荷热负荷进行时间维度上的转移或削减，对负荷变化进行表征，来实现系统峰谷差的减小，所述需求侧响应策略采用如下方法获得：
[0043]
步骤1：综合能源系统中考虑电、气和热3种负荷具有需求侧响应能力，3种负荷均可实现各自时间维度上的转移，因此将3种负荷划分为三部分，分别为固定负荷可转移负荷可削减负荷即：
[0044][0045]
其中，pl为总负荷量；为固定负荷；为可转移负荷；为可削减负荷；
[0046]
步骤2：可转移负荷可在调度周期内进行时间上的转移，建立可转移负荷模型，代入到式(12)，(13)中可计算得到调度周期内的负荷转移量：
[0047][0048][0049]
其中，为和分别表示t时段可转移负荷参与需求响应前后及参与需求响应的负荷量；
[0050]
步骤3：可削减负荷可在调度时段内选择不同的能源供给方式满足自身的负荷需求，建立可削减负荷模型，代入式(14)中可计算得到调度时段内的各负荷的削减量：
[0051]
[0052]
其中，和分别表示t时段可削减负荷参与需求响应前后及参与需求响应的负荷量；
[0053]
步骤4：根据上述步骤2、3得到调度策略中的需求侧响应的负荷量，计算系统需求侧响应的补偿成本c
dr
；
[0054][0055]
其中为t时段可削减负荷参与需求响应的负荷量；为t时段可转移负荷参与需求响应的负荷量；α为可转移型负荷的单位补偿系数；β为可削减型负荷的单位补偿系数；c
dr
为统需求侧响应的补偿成本。
[0056]
进一步的，系统基于电动汽车用户出行规律及交通网络道路流量特性，建立含充电负荷的电动汽车出行模型，模拟电动汽车在交通网中的实际出行路线，生成车辆充放电策略，实现运营成本的降低，所述电动汽车出行模型采用如下方法获得：
[0057]
步骤1：输入需要模拟的电动汽车数量n
ev
；
[0058]
步骤2：假设电动汽车出行的出行时刻满足概率分布曲线，利用式(6)生成每辆电动汽车的初始出行时刻t
in
：
[0059][0060]
式中，f
in
(t
in
)为出行时刻满足概率分布曲线；t
in
为每辆电动汽车的初始出行时刻；μ
in
和σ
in
分别为电动汽车出行时刻的期望值和标准差，这里分别取9和1；
[0061]
步骤3：利用蒙特卡洛法模拟每辆电动汽车出行时的电池soc值soc
ev
(t)，并保证其能完成一次到充电站的出行路线，以满足车辆出行所需；
[0062]
步骤4：根据每辆车的出行od对，计算其在交通网中的最短出行路线，电动汽车在交通网中行驶时可根据自身出行需求进行充电，以便于抵达目的地，最短路线的目标函数为出行时间与途中充电费用最少：
[0063][0064]
其中，为电动汽车在充电站c处的充电量；θc为充电站c的充电费用；为途中充电费用；为道路选择0-1变量，当车辆经过道路a时为1；la为道路长度；为出行时间成本；为电动汽车出行费用；
[0065]
最短出行路线模型如下：
[0066]
δyr＝d
od
(18)
[0067][0068][0069][0070]
其中，δ为道路关联矩阵；yr为车辆的道路选择决策变量；d
od
为od对矩阵；为车辆在节点i的电池soc值；为车辆在节点j的电池soc值；la为道路a的长度；w为车辆的百公里耗电量；为辅助变量，当车辆经过道路a时为0；soc
evmin
为车辆运行时的电池最低soc值；m为一个特别大的常数；为道路选择0-1变量，当车辆经过道路a时为1；
[0071]
步骤5：当车辆到达目的地后，开始对车辆进行充电，对电动汽车充电行为建模，如下式所示：
[0072][0073]
soc
ev
(t
in
)＝soc
ev，in
(23)
[0074]
soc
ev
(t
out
)≥soc
ev，out
(24)
[0075]
0.2＜soc
ev
(t)≤0.9(25)
[0076]
0≤p
ev
(t)≤p[t
in
，t
out
]
ev，max
(26)
[0077]
其中，soc
ev
(t)为电动汽车在t时刻的soc值；p
ev
(t)为电动汽车在t时刻的充电功率；p
ev，max
为电动汽车的最大充电功率；p[t
in
，t
out
]
ev，max
为电动汽车在t
in
，t
out
时间段内最大充电功率；η
ev
为电动汽车充电效率；cap
ev
为电动汽车电池容量；t
in
，t
out
分别表示电动汽车到达充电桩和离开充电桩的时刻；soc
ev，out
为充电结束时的最低电量；soc
ev，in
为开始充电时的电量；δt为调度时间；
[0078]
步骤6：车辆在连接充电桩进行充电时可根据车辆停留时间和车主意愿进行v2g调度，但应保证离开时的soc不小于到达时的soc值，且在停留时间内可以使电动汽车的初始soc值达到离开时的期望soc值，即：
[0079]
0≤soc
in
≤soc
out
≤1(27)
[0080][0081]
δt
patk
＝t
out-t
in
(29)
[0082]
δt
park
≥3(30)
[0083]
其中，soc
in
为车辆开始充电时的电量，soc
out
为车辆结束充电时的电量，ppat
ev，max
为最大充电功率，δt
park
为车辆停留时间。
[0084]
所述电动汽车停车时间超过3小时的车辆才可以进行v2g调度，以满足车辆自身的充电需求。
[0085]
进一步的，系统基于交通均衡模型，利用车辆出行od对，计算交通均衡时电动汽车的出行路径，缓解交通拥堵，所述交通均衡模型采用如下方法获得：
[0086]
步骤1：根据权利要求1中步骤3中的出行od矩阵，计算得到的电动汽车最短出行路径，统计该时刻每条道路上的行驶车辆数xa和每个充电站的充电车辆数xc；
[0087]
步骤2：对任意一个出行车辆，当所有活动路径上的出行成本相等且不大于非活动路径上的出行成本时，交通网络的道路流量分布会达到一个平衡状态，即交通均衡状态，对交通均衡理论进行建模，即：
[0088][0089][0090][0091]
[0092][0093]
其中，为od对上路径r的流量；g
od
为od对的出行需求；为路径r的道路选择决策变量；为充电站c的选择决策变量；xa为道路a的流量；xc为充电站c的流量；
[0094]
步骤3：计算出某一时刻交通均衡后的道路流量数据后，将道路流量数据作为下一时刻交通网络流量的参考值，为下一时刻的车辆出行进行指导，形成电动汽车出行引导模型：
[0095][0096]
其中，ta为道路行驶时间；tc为车辆充电时间；xa为道路a的流量；xc为充电站c的流量；为道路选择0-1变量，当车辆经过道路a时为1；为电动汽车在充电站c处的充电量；θc为充电价格；为电动汽车出行费用。
[0097]
进一步的，利用函数表征车辆行驶时间与道路流量、车辆充电时间与充电站流量的关系，所述电动汽车行驶时间和充电时间模型采用如下方法获得：
[0098]
道路的拥堵效应可以通过车辆行驶时间和车流量的函数来表示，道路行驶时间ta与车流量xa之间满足bpr函数：
[0099][0100]
其中，t
a0
是道路零交通流量时的自由通行时间；xa为道路a的流量；capa为道路a的容量；ta(xa)为车流量为xa时的道路行驶时间。
[0101]
参考bpr函数建立充电站等待时间模型，可得电动汽车在充电站c节点的总充电时间
[0102][0103]
其中，t
c0
是充电站车辆的平均等待时间；为电动汽车在充电站c处的充电量；pc为充电功率；充电站选择0-1变量，当车辆在充电站c处充电时为1；xc为充电站c的流量；capc为充电站c的容量；tc(xc)为充电站流量为xc时的车辆充电时间。
[0104]
综上所述，由于采用了上述技术方案，本发明的有益效果是：
[0105]
一、本发明以考虑交通均衡的综合能源系统为研究对象，充分考虑到了电动汽车在交通网络中运行时充电负荷的时空分布特性，更准确的模拟电动汽车出行的充电负荷，并通过电动汽车出行引导实现对交通网络的流量优化，减少道路拥堵，为后续的充电站投资建设提供依据，
[0106]
二、本发明通过引入电动汽车v2g技术和需求侧响应策略来激发用户用能的灵活性，实现系统峰谷差的减小，并促进可再生能源的消纳，通过电动汽车有序充放电和多能耦合调度优化多种能源的使用和转化，实现系统运行经济性的提高。同时电动汽车的有序引导和需求侧响应策略可以缓解火电机组和燃气机组的高碳排放状态，减少系统的总碳排放量。
附图说明
[0107]
本发明将通过例子并参照附图的方式说明，其中：
[0108]
图1为考虑交通均衡的综合能源系统优化调度方法的整体步骤流程图；
[0109]
图2为分时电价曲线图；
[0110]
图3为交通网-电网-气网耦合网架结构图；
[0111]
图4为车辆在运行时途径各充电站的充电量柱状图；
[0112]
图5为车辆在运行时各道路的车流量柱状图；
[0113]
图6为综合能源系统优化调度结果柱状图；
[0114]
图7为充电桩充放电情况柱状图；
[0115]
图8为可削减负荷参与需求响应的情况曲线图；
[0116]
图8为可削减负荷参与需求响应的情况曲线图；
[0117]
名词解释
[0118]
od(交通出行量)：od调查即交通起止点调查又称od交通量调查，od交通量就是指起终点间的交通出行量。“o”来源于英文origin，指出行的出发地点，“d”来源于英文destination，指出行的目的地。
[0119]
soc：全称是state of charge，电池荷电状态，也叫剩余电量，代表的是电池使用一段时间或长期搁置不用后的剩余可放电电量与其完全充电状态的电量的比值，常用百分数表示。
[0120]
v2g技术：指电动汽车给电网送电的技术，其核心思想就是利用大量电动汽车的储能源作为电网和可再生能源的缓冲。汽车到电网技术正受到人们的广泛关注，这是因为通过v2g，电网效率低以及可再生能源波动的问题不仅可以得到很大程度的缓解，还可以为电动车用户创造收益。
具体实施方式
[0121]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0122]
在本技术实施例的描述中，需要说明的是，术语“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0123]
下面结合图1～图8对本发明作详细说明。
[0124]
实施手段：
[0125]
1、电动汽车出行及充放电负荷建模，考虑车辆在交通网中的运行情况和v2g控制的影响，其模型如下：
[0126]
假设电动汽车出行的出行时刻满足概率分布曲线，利用式(6)生成每辆电动汽车的初始出行时刻t
in
：
[0127][0128]
式中，f
in
(t
in
)为出行时刻满足概率分布曲线；t
in
为每辆电动汽车的初始出行时刻；μ
in
和σ
in
分别为电动汽车出行时刻的期望值和标准差；
[0129]
利用蒙特卡洛法模拟每辆电动汽车出行时的电池soc值soc
ev
(t)，并保证其能完成一次到充电站的出行路线，以满足车辆出行所需；
[0130]
根据每辆车的出行od对，计算其在交通网中的最短出行路线，电动汽车在交通网中行驶时可根据自身出行需求进行充电，以便于抵达目的地，最短路线的目标函数为出行时间与途中充电费用最少：
[0131][0132]
其中，为电动汽车在充电站c处的充电量；θc为充电站c的充电费用；为途中充电费用；为道路选择0-1变量，当车辆经过道路a时为1；la为道路长度；为出行时间成本；为电动汽车出行费用；
[0133]
约束条件：
[0134]
(1.1)车辆od对约束
[0135]
车辆经过的道路必须以od对的节点作为起点和终点：
[0136]
δyr＝d
od
(40)
[0137]
其中，δ为道路关联矩阵；yr为车辆的道路选择决策变量；d
od
为od对矩阵；
[0138]
(1.2)车辆运行时soc约束
[0139]
车辆在每个节点的soc值随着行驶过程不断变化：
[0140][0141][0142]
(1.3)车辆最低运行soc约束
[0143]
车辆在运行时不能低于最低运行soc值：
[0144][0145]
其中，为车辆在节点i的电池soc值；为车辆在节点j的电池soc值；la为道路a的长度；w为车辆的百公里耗电量；为辅助变量，当车辆经过道路a时为0；soc
evmin
为车辆运行时的电池最低soc值；m为一个特别大的常数；为道路选择0-1变量，当车辆经过道路a时为1；
[0146]
当车辆到达目的地后，开始对车辆进行充电，对电动汽车充电行为建模。
[0147]
(1.4)车辆充电约束
[0148]
为保护车辆电池，设定车辆充电时soc值在0.2～0.9范围内变化：
[0149][0150]
soc
ev
(t
in
)＝soc
ev，in
(45)
[0151]
soc
ev
(t
out
)≥soc
ev，out
(46)
[0152]
0.2＜soc
fv
(t)≤0.9(47)
[0153]
0≤p
ev
(t)≤p
ev，max
t∈[t
in
，t
out
](48)
[0154]
其中，soc
ev
(t)为电动汽车在t时刻的soc值；p
ev
(t)为电动汽车在t时刻的充电功率；p
ev，max
为电动汽车的最大充电功率；p[t
in
，t
out
]
ev，max
为电动汽车在t
in
，t
out
时间段内最大充电功率；η
ev
为电动汽车充电效率；cap
ev
为电动汽车电池容量；t
in
，t
out
分别表示电动汽车到达充电桩和离开充电桩的时刻；soc
ev，out
为充电结束时的最低电量；soc
ev，in
为开始充电时的电量；δt为调度时间；
[0155]
车辆在连接充电桩进行充电时可根据车辆停留时间和车主意愿进行v2g调度，但应保证离开时的soc不小于到达时的soc值，且在停留时间内可以使电动汽车的初始soc值达到离开时的期望soc值。
[0156]
(1.5)车辆v2g控制约束
[0157]
车辆离开时的soc不小于到达时的soc值，这里假定停车时间超过3小时的车辆才可以进行v2g调度，以满足车辆自身的充电需求：
[0158]
0≤soc
in
≤soc
out
≤1(49)
[0159][0160]
δt
park
＝t
out-t
in
(51)
[0161]
δt
park
≥3(52)
[0162]
其中，soc
in
为车辆开始充电时的电量，soc
out
为车辆结束充电时的电量，ppat
ev，max
为最大充电功率，δt
park
为车辆停留时间。
[0163]
如图2和图7所示(具体见其他证明文件的图2、图7)，电动汽车利用v2g技术可在电价高峰时刻输出电功率，在电价低谷时刻充电，缓解系统的购电量和促进消纳新能源，减少系统运行费用。
[0164]
2、电动汽车交通均衡出行建模，考虑交通网络中流量的可调度性和道路拥堵情况，其模型如下：
[0165]
根据计算得到的电动汽车最短出行路径，统计该时刻每条道路上的行驶车辆数xa和每个充电站的充电车辆数xc；
[0166]
对任意一个出行车辆，当所有活动路径上的出行成本相等且不大于非活动路径上的出行成本时，交通网络的道路流量分布会达到一个平衡状态，即交通均衡状态，对交通均衡理论进行建模，即：
[0167]
[0168]
约束条件：
[0169]
(2.1)出行需求约束：
[0170]
车辆选择的路径总数等于车辆出行需求：
[0171][0172]
(2.2)路径流量约束：
[0173]
路径流量不能为负：
[0174][0175]
(2.3)道路流量约束：
[0176][0177]
(2.4)充电站流量约束：
[0178][0179]
其中，为od对上路径r的流量；g
od
为od对的出行需求；为路径r的道路选择决策变量；为充电站c的选择决策变量；xa为道路a的流量；xc为充电站c的流量；
[0180]
计算出某一时刻交通均衡后的道路流量数据后，将道路流量数据作为下一时刻交通网络流量的参考值，为下一时刻的车辆出行进行指导，形成电动汽车出行引导模型：
[0181][0182]
其中，ta为道路行驶时间；tc为车辆充电时间；xa为道路a的流量；xc为充电站c的流量；为道路选择0-1变量，当车辆经过道路a时为1；为电动汽车在充电站c处的充电量；θc为充电价格；为电动汽车出行费用。
[0183]
如图4和图5所示(具体见其他证明文件的图4和图5)，某时刻对电动汽车在交通网络中的出行路径进行引导，可以看出交通均衡模型比最短路径模型的道路车流量分布较为均衡，可以缓解交通网络的拥堵，减少用户的出行成本。同时，由于电动汽车在交通均衡模型下为了避免拥堵会选取较远但车流量较少的路径，某些充电站的充电量会有所增加。
[0184]
3、电动汽车行驶时间和途中充电时间利用函数进行刻画，考虑道路容量和充电等待时间，其模型如下：
[0185]
道路的拥堵效应可以通过车辆行驶时间和车流量的函数来表示，道路行驶时间ta与车流量xa之间满足bpr函数：
[0186][0187]
其中，t
a0
是道路零交通流量时的自由通行时间；xa为道路a的流量；capa为道路a的容量；ta(xa)为车流量为xa时的道路行驶时间。
[0188]
参考bpr函数建立充电站等待时间模型，可得电动汽车在充电站c节点的总充电时间ts：
[0189]
[0190]
其中，t
c0
是充电站车辆的平均等待时间；为电动汽车在充电站c处的充电量；pc为充电功率；充电站选择0-1变量，当车辆在充电站c处充电时为1；xc为充电站c的流量；capc为充电站c的容量；tc(xc)为充电站流量为xc时的车辆充电时间。
[0191]
4、需求侧响应建模，考虑多元柔性负荷在时间上的灵活转移和可削减性，其模型如下：
[0192]
综合能源系统中考虑电、气和热3种负荷具有需求侧响应能力，3种负荷均可实现各自时间维度上的转移，因此将3种负荷划分为三部分，分别为固定负荷可转移负荷可削减负荷即：
[0193][0194]
其中，p
l
为总负荷量；为固定负荷；为可转移负荷；为可削减负荷；
[0195]
可转移负荷可在调度周期内进行时间上的转移，建立可转移负荷模型。
[0196]
约束条件：
[0197]
(4.1)可转移负荷功率平衡约束
[0198]
需求响应后的负荷量应为初始负荷量加上转移负荷量：
[0199][0200]
(4.2)负荷总量约束
[0201]
可转移负荷在一个调度周期内的总量不变：
[0202][0203]
其中，为和分别表示t时段可转移负荷参与需求响应前后及参与需求响应的负荷量；
[0204]
可削减负荷可在调度时段内选择不同的能源供给方式满足自身的负荷需求，建立可削减负荷模型。
[0205]
(4.3)可削减负荷功率平衡约束
[0206]
需求响应后的负荷值应为初始负荷值加上削减负荷：
[0207][0208]
其中，和分别表示t时段可削减负荷参与需求响应前后及参与需求响应的负荷量；
[0209]
根据得到调度策略中的需求侧响应的负荷量，计算系统需求侧响应的补偿成本c
dr
。
[0210]
[0211]
其中为t时段可削减负荷参与需求响应的负荷量；为t时段可转移负荷参与需求响应的负荷量；α为可转移型负荷的单位补偿系数；β为可削减型负荷的单位补偿系数；c
dr
为统需求侧响应的补偿成本。
[0212]
5、以系统的运营成本最低为目标函数，确定综合能源系统优化调度的约束条件：
[0213]
minc
ies
＝c
e，b-c
e，s
+c
gas
+c
dr
(66)
[0214]
其中，c
e，b
为从电网购电的费用；c
e，s
为向电网售电的收益；c
gas
为燃气费用；c
dr
为需求响应补偿费用；c
ies
为综合能源系统的运行成本；
[0215]
购电费用计算公式如下：
[0216][0217]
其中，n为园区内各区域的数量；m为当天的调度时段数；c
e，b，t
为t时段的购电电价；p
e，b，i，t
为t时段的购电功率；δt为调度时长；c
e，b
为购电费用；
[0218]
售电收益计算公式如下：
[0219][0220]
其中，c
e，s，t
为t时段的售电电价；p
e，s，i，t
为t时段的售电功率；δt为调度时长；m为当天的调度时段数；c
e，s
为售电收益。
[0221]
燃气费用计算公式如下：
[0222][0223]
其中，cg为天然气的单位热值价格；p
g，i，t
为气负荷；
[0224]
约束条件：
[0225]
(5.1)电力平衡约束
[0226]
在调度中，电网需要满足功率平衡，即各时刻的供电量等于总负荷量：
[0227]
p
gridc，t-p
gridd，t
+p
pv，t
+p
gt，t
＝l
e，t
+p
acc，t
+p
ach，t
+p
ec，t
+p
batc，t-p
batd，t
+p
evc，t-p
evd，t
(70)
[0228]
(5.2)设备出力上下限约束
[0229]
设备容量有限制，设备在单位时间内的出力存在上下限：
[0230][0231][0232]
其中，和为t时刻园区综合能源系统与电网交换功率的上下限；知为t时刻园区综合能源系统中设备i出力的上下限；
[0233]
(5.3)气负荷平衡约束
[0234]
在调度中，气网需要满足功率平衡，即各时刻的供气量等于总负荷量：
[0235]
p
g，t
＝l
g，t
+l
gt，t
+l
gb，t
(73)
[0236]
其中，和为t时刻综合能源系统与电网交换功率的上下限；
[0237]
(5.4)冷负荷平衡约束
[0238]
在调度中，冷负荷需要满足功率平衡，即各时刻的供冷量等于总负荷量：
[0239]
p
ec，t
+p
acc，t
＝l
c，t
(74)
[0240]
其中，lc，
t
t时刻的冷负荷；p
ec，t
为电制冷机出力功率；p
acc，t
为空调制冷功率；
[0241]
(5.5)热负荷平衡约束
[0242]
在调度中，热负荷需要满足功率平衡，即各时刻的供热量等于总负荷量：
[0243]
αp
gt，t
+p
gb，t
+p
ach，t
＝l
h，t
(75)
[0244]
其中，α为燃气轮机产出功率的热电比；l
h，t
为t时刻的热负荷；p
gt，t
为燃气轮机产热功率；p
ach，t
为空调制热功率。
[0245]
实施步骤：
[0246]
下面参考流程图对本发明的实施步骤进行介绍：
[0247]
步骤1：根据历史负荷数据，以24小时为调度区间，预测系统次日的每个时段的负荷数据及发电机出力，如电负荷l
e，t
、气负荷l
g，t
、冷负荷l
c，t
、热负荷l
h，t
和光伏出力p
pv，t
数据，t＝1，2
…
24；
[0248]
步骤2：输入系统需要模拟的电动汽车数量n
ev
，电动汽车出行时刻和返回时刻均满足正态分布，通过电动汽车出行时刻的概率分布曲线，得出每辆电动汽车的出行时刻t
in
和返回时刻t
out
；
[0249]
步骤3：通过马尔科夫出行链与电动汽车转移概率矩阵计算，得到电动汽车的出行od矩阵；
[0250]
步骤4：将步骤2、3得到的车辆数据输入系统中，计算每辆电动汽车的最短出行路线yr和途中充电负荷
[0251]
步骤5：计算每个时刻的交通均衡计算结果，统计交通均衡时每条道路上的行驶车辆数xa和每个充电站的充电车辆数xc；
[0252]
步骤6：根据交通均衡时的道路流量xa和充电站流量xc，为后续时刻的电动汽车出行提供引导；
[0253]
步骤7：循环计算步骤4-6，得到全天交通道路流量xa和途中充电负荷
[0254]
步骤8：将模拟得到的电负荷l
e，t
、气负荷l
g，t
、冷负荷l
c，t
、热负荷l
h，t
、光伏出力p
pv，t
数据和电动汽车出行路径yr、途中充电负荷出行时刻t
in
、返回时刻t
out
、道路流量xa、充电站流量xc数据输入系统，以系统的运营成本最低为目标函数，根据园区电动汽车用户充电负荷灵活性、商业用户负荷可转移性和居民用户负荷可削减性的用能需求，确定综合能源系统优化调度的约束条件，包括负荷平衡约束、电能传输功率约束、设备爬坡速率约束、需求侧响应约束、储能约束和v2g控制约束：
[0255]
minc
ies
＝c
e，b-c
e，s
+c
gas
+c
dr
(76)
[0256]
其中，c
e，b
为从电网购电的费用；c
e，s
为向电网售电的收益；c
gas
为燃气费用；c
dr
为需求响应补偿费用；c
ies
为综合能源系统的运行成本；
[0257]
购电费用计算公式如下：
[0258]
[0259]
其中，n为园区内各区域的数量；m为当天的调度时段数；c
e，b，t
为t时段的购电电价；p
e，b，i，t
为t时段的购电功率；δt为调度时长；c
e，b
为购电费用；
[0260]
售电收益计算公式如下：
[0261][0262]
其中，c
e，s，t
为t时段的售电电价；p
e，s，i，t
为t时段的售电功率；δt为调度时长；m为当天的调度时段数；c
e，s
为售电收益。
[0263]
燃气费用计算公式如下：
[0264][0265]
其中，cg为天然气的单位热值价格；p
g，i，t
为气负荷；
[0266]
电力平衡约束如下：
[0267]
p
gridc，t-p
gridd，t
+p
pv，t
+p
gt，t
＝l
e，t
+p
acc，t
+p
ach，t
+p
ec，t
+p
batc，t-p
batd，t
+p
evc，t-p
evd，t
(80)
[0268]
出力上下限约束如下：
[0269][0270][0271]
其中，和为t时刻园区综合能源系统与电网交换功率的上下限；和为t时刻园区综合能源系统中设备i出力的上下限；
[0272]
气平衡约束如下：
[0273]
p
g，t
＝l
g，t
+l
gt，t
+l
gb，t
(83)
[0274]
其中，和为t时刻综合能源系统与电网交换功率的上下限；
[0275]
冷负荷平衡约束如下：
[0276]
p
ec，t
+p
acc，t
＝l
c，t
(84)
[0277]
其中，l
c，t
t时刻的冷负荷；p
ec，t
为电制冷机出力功率；p
acc，t
为空调制冷功率；
[0278]
热负荷平衡约束如下：
[0279]
αp
gt，t
+p
gb，t
+p
ach，t
＝l
h，t
(85)
[0280]
其中，α为燃气轮机产出功率的热电比；l
h，t
为t时刻的热负荷；p
gt，t
为燃气轮机产热功率；p
ach，t
为空调制热功率。
[0281]
步骤9：基于综合能源系统的目标函数和约束条件进行计算，得到考虑交通均衡的综合能源系统优化调度方案。
[0282]
仿真验证：
[0283]
一、仿真试验的参数和条件如下：
[0284]
本发明的仿真算例以区域综合能源系统作为研究对象，包含居民区，商业区，办公区，学校，地铁站，停车场6类区域，采用ieee9节点配电网、7节点天然气网络、20节点交通网络为例进行仿真，耦合网络如图3(具体见其他证明文件的图3)所示。调度周期为24h，时间
间隔为1h，电价采用分时电价，分时电价如图1所示，天然气折合为单位热值价格为0.283元/(kwh)。各区域所含设备有所不同，其中商业区和办公区内为综合能源系统，其他区域为常规能源系统。居民区，商业区，办公区和停车场都设有电动汽车充电桩，分别为1000，500，500和3000，仅停车场内的电动汽车在充电时参与v2g控制，其他区域的电动汽车为有序充电。交通网络中，每辆车的出行od对为随机抽取，交通网中包含5个充电站，电动汽车在交通网络中采取途中充电的方法时采用快充模式，在到达目的地后采用慢充模式，每辆电动汽车的车载电池容量为24kw
·
h，最大续航里程为400km。本文以园区运营成本最低为目标进行计算。园区各设备参数如下表1所示。
[0285]
表1园区设备参数
[0286][0287]
为验证交通均衡对综合能源系统优化调度的影响，设定两种场景作为本文的验证场景。
[0288]
场景1：车辆出行采用最短路径模型。
[0289]
场景2：车辆出行采用交通均衡模型。
[0290]
二、仿真试验结果：
[0291]
(1)交通均衡结果
[0292]
选取某时刻车辆出行结果进行展示，从图6(具体见其他证明文件的图6)可以看出，在最短路模型中，由于未考虑其他电动汽车的影响，所有电动汽车均选择最短路径出行，将导致某些道路车流量过大，而某些道路车流量很小，与实际情形不符，也是最短路模型的不合理之处。相比而言，交通均衡模型考虑了路径选择行为和道路拥堵现象间交互影响，使交通流分布和充电负荷分布较为均衡，用户实际出行成本较低。
[0293]
(2)综合能源系统优化调度结果
[0294]
以办公区为例，展示该区域综合能源系统的优化调度结果，如图6所示。由于电动汽车可以在电价峰值时段向园区内设备放电且可以向电网售电，所以园区运营时可以通过向电网售电获得收益，园区运营成本得到了明显的降低。与传统能源系统相比，天然气供能成本虽有19.9％的提升，但电力系统供能成本降低0.93％，园区的总供能成本降低了4.11％。仿真结果说明了与传统调度方式相比，综合能源系统优化调度的优势明显，能够获得更大的经济效益。系统运行成本如下表2所示：
[0295]
表2园区运营费用
[0296]
运营成本/元342825.340525从气网购气成本/元61824.970909从电网购电成本/元301206.153811向电网售电成本/元21578.492528需求响应成本/元1372.708333
[0297]
(3)需求侧响应结果
[0298]
选取4种常见电器进行分析，可转移负荷参与需求响应前后的工作时段变化如下表3所示。可削减负荷参与需求响应前后负荷变化量如图8所示(具体见其他证明文件的图8)。
[0299]
表3居民区需求响应情况
[0300]
电器需求响应前工作时段需求响应后工作时段电器18，9，10，11，12，139，10，12，13，14，15电器2913电器310，11，129，12，13电器411，12，1312，13，15
[0301]
根据居民区需求侧管理响应结果，随着各时段补偿金的变化，大部分电器设备愿意接受调整，响应情况较好。在居民区内用户得到金额补偿的同时可以提高园区电力系统运行的稳定性，减少峰谷差。
[0302]
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。